音频编码基础

为什么要进行音频编码？

在音视频开发过程中，无论是进行传输还是本地保存，都是希望采用比较小的资源获得更好的效果。在本地存储相对来说要好很多，目前的计算机本地存储还是比较大的。但是相对于有一些资源不是很充足的计算机来说，就不是那么友好了。比如一般的mac book。本地存储只有那么几百个G而已，安装一个xcode或者其他的ide，硬盘空间就所剩无几了。

尤其是需要传输的音频中，众所周知，目前的带宽还是比较昂贵的（对我来说）。因此希望把数据压缩再传输出去。这样有限带宽能传输更多的资源。说了这么多，到底音频能有多费资源呢？根据上一篇的内容可以计算出，假如有一路音频，采样率44.1khz(回顾一下，常见的音频采样率，22khz，44.1khz，48khz，96khz，192khz。那么这么多的采样率常用于哪里？如果忘记了，可以参见上一篇，加深一下映像)，双通道，16位其码率为：

44.1khz x 2 x 16bit = 1.411Mbit/s

从这个数据来看，每秒1.411Mbit数据量还是比较大的。比如100M带宽的话能带职能带70多路。这样一算其实还是比较大的。那么应该如何减少码率呢？

压缩原理

刚才也算了一下，数据量还是比较大的，那么如何减少数据量呢。是不是把一些没有用的数据去掉就可以了呢？个人觉得就应该这么干。那么什么数据不需要呢？就是人耳听不到的就可以理解为无效数据。在这引出了“频谱屏蔽效应”和“时域屏蔽效应”。

频谱屏蔽效应

人耳能听到的频率范围是20hz ～ 20khz，那么低于这个频率的和高于这个频率的就可以去掉了。称之为 频谱屏蔽效应。

从网上找了一张图，更加方便自己的理解，如下图：

y轴为音量强度，x轴为声音频率。从图中可以看出，人耳对声音最敏感的事2khz～5khz。声音比较小的时候，人耳也是可以听到。对其他的频率的反应都不是很好。在接近20khz的事声音需要很大的时候，人耳才会听见，0.02khz的时候，也需要差不多80db人耳才能有感觉。那么在0.2khz的频率上，出现一个60db的声音，那么其附近的频率的音量值需要提高很高，人耳才能感觉到。那在编码过程，被掩蔽的音频音量就不进行编码了。

时域屏蔽效应

根据人的听觉系统和心理作用的情况下，当一个强音量的和一个弱音量的声音出现时，往往只会感觉只有一个强音量的声音（两个音量相差比较大）。这种称之为时域屏蔽效应。同时我也在网上找了一张图，便于理解

图中，y轴表示声音强度，x轴表示时间。时域掩蔽又可以分成三种，超前掩蔽和同时掩蔽以及滞后掩蔽。

超前掩蔽 

当出现一个强音量出现的很短时间内，人耳对一个弱音量的声音，敏感度会降低。从而感觉上我们是听不到的。

同时掩蔽

同时存在一个强音量和弱音量的声音时，通常对弱音量敏感度也会降低，感觉我们只是听到了一个声音

滞后掩蔽

存在这样的一种场景，当一个音量特别大的声音出现时，短暂的失聪应该很多人都有感觉，不在叙述。

常用编码器

oplus ： 常用于音频通话

aac：rtmp直播

mp3：本地文件

ac3和eac3 等等